01
推出合作伙伴网络并投资1.5亿美元
OpenAI推出了OpenAI合作伙伴网络，并承诺投入1.5亿美元资金，以加速全球企业人工智能的应用和数字化转型。该结构化计划旨在协助全球系统集成商、技术合作伙伴和咨询公司直接在企业环境中部署先进的AI模型和解决方案。通过该计划，OpenAI为合作伙伴组织提供必要的专项资金、技术专业知识和资源，以扩大AI集成规模。
AI Blog
1 storyHacker News
8 stories01
Salesforce以36亿美元收购Fin（前身为Intercom）
Salesforce已签署最终协议，以36亿美元的价格收购客户服务平台Fin（前身为Intercom）。这一战略收购旨在加速Salesforce的自主智能体路线图，特别是增强其Service Cloud和Agentforce套件。通过整合Fin利用先进生成式人工智能和大语言模型的客户服务技术，Salesforce旨在提供更强大的对话式AI智能体，能够自主解决复杂的客户咨询。此次合并代表了人工智能驱动的客户体验市场的一次重大整合。
02
Apple Foundation Models（苹果基础模型）
苹果公司已发布并将其专有的基础模型集成到现代软件开发生态系统中，重点关注设备端性能和Apple Silicon芯片上的计算优化。该集成允许开发者利用先进的机器学习能力，在本地构建高响应性、注重隐私的应用程序。文档详细介绍了可用于部署的API、库结构和软件开发工具包。此次发布使开发者能够在本地运行复杂的语言和多模态任务，无需依赖云基础设施即可扩展生成式AI应用。
03
Anthropic的安全超能力
Stratechery发布了一篇关于Anthropic在竞争激烈的生成式AI领域独特地位的分析，重点关注其将安全性作为核心竞争差异化因素的战略重点。文章探讨了Anthropic对对齐研究、宪法AI和稳健安全协议的承诺如何成为吸引风险厌恶型企业客户的企业级能力。文章认为，建立严格的安全边界使Anthropic能够更有信心地推动大语言模型能力的进步。
04
OpenRouter Fusion API
OpenRouter推出了Fusion API，这是一种创新的路由和模型聚合服务，旨在为使用大语言模型的开发者优化性能并降低延迟。该平台充当智能中介，根据成本、速度和能力需求，动态地将提示词组合并路由到最高效的AI模型。作为统一网关，Fusion API简化了不同机器学习后端的集成，使开发者能够通过单个精简的端点构建强大的多模型AI智能体和应用程序。
05
Claude Corps
Anthropic推出了Claude Corps，这是一项旨在扩大其Claude AI模型在专业工作流程中的能力和部署的新计划。该计划重点部署功能强大、具备上下文感知且安全的AI系统，以协助用户完成复杂的决策、编程和写作任务。通过建立这个专业团队，Anthropic旨在改进模型交互，优化各领域的性能，并确保生成式人工智能在企业环境中的稳健安全标准。
06
欧洲能否利用其拥有的计算资源训练前沿AI模型？
一项新的调查探讨了利用欧洲现有的分布式高性能计算（HPC）基础设施训练前沿人工智能模型的可行性。该项目名为“EuroMesh”，提出了一种跨多个欧洲国家汇总公共和主权超级计算机集群的去中心化方法。通过解决数据中心间高延迟、低带宽通信的关键瓶颈，该存储库模拟了分布式训练算法和专用网络拓扑如何同步跨地理位置分散集群的梯度，从而与中心化AI实验室竞争。
07
Launch HN: Drafted (YC P26) – 住宅建筑设计模型
YC支持的初创公司Drafted (YC P26)发布了一个新平台，该平台通过训练机器学习模型，根据结构化设计约束生成详细的住宅建筑设计。传统的定制住宅设计费用在1万美元至5万美元之间，且需要数月时间，这导致大多数住宅无法获得专业的建筑设计建议。Drafted通过训练生成式AI模型来理解物理空间和建筑环境，从而使用户能够轻松地可视化、探索和定制住宅设计。
08
Ask HN：有人用本地模型取代Claude/GPT进行日常编码吗？
一个热门的Hacker News讨论探讨了软件开发者是否已成功从Claude和GPT等商业AI系统转向用于日常编程的本地、开放权重的大语言模型。该查询收集了关于硬件配置、模型架构、编排框架以及量化性能指标（如每秒令牌数）的反馈。该帖子突显了开发者对于通过直接在本地工作站上托管强大的开源替代方案来实现数据隐私、离线能力和节省成本的兴趣日益增长。
01
Sakana AI推出Marlin：一款自主深度研究智能体
Sakana AI正式推出了Sakana Marlin，这是其首款商业产品，旨在作为自主深度研究智能体和虚拟首席科学官（CSO）。Marlin不仅限于传统的科研助理，还被设计用于自动化复杂的科学工作流程和企业级数据密集型分析任务。此次发布标志着Sakana AI从理论研究转向在专业市场商业化专业智能体解决方案。这一举措整合了该公司近期多项相关公告。
02
Runway视频生成工具直接集成至ChatGPT
Runway已正式将其先进的视频生成功能直接集成到ChatGPT界面中。此次合作允许用户在不离开ChatGPT环境的情况下，使用对话式的自然语言提示生成高质量的视频内容。这一合作反映了行业将专业多模态生成式AI模型集成到统一对话平台中的趋势，极大地扩展了创作者和视觉叙事者获取专业级视频工具的途径。
03
Kling AI发布电影级预告，预热重大更新
Kling AI发布了一部名为《凛冬将至，传奇崛起》的电影级预告片，预示其生成式视频平台即将迎来重大更新。虽然具体的详细技术文档尚未发布，但预计此次更新将提高运动连贯性，扩展多模态功能，并提升输出保真度。该战略性预告片瞄准了在竞争日益激烈的AI视频市场中需要高质量视频合成工具集的专业创作者。
04
AutoScientist挑战赛启动，提供五万美元医疗奖金
AutoScientist挑战赛正式启动医疗赛道，邀请开发者构建针对医疗应用优化的前沿人工智能模型。比赛提供总额五万美元的奖金池，旨在激励科学领域的进步。参赛者将利用先进的建模和机器学习架构解决复杂的临床研究挑战，展示前沿生成式AI在活跃科学领域的实际效用。
huggingface
8 stories01
从聊天机器人到数字同事：迈向持久化自主AI的范式转移
研究人员概念化了大语言模型从情境化聊天机器人向集成数字同事的结构性转变。论文从两个维度映射了这一演变：认知核心层面（系统朝着利用推理时计算的思维型LLM发展）和任务执行层面（系统朝着配备持久工作空间、可重用技能和验证循环的工作站系统发展）。作者分析了这一转变如何将数据构建从简单的指令-响应对更新为复杂的状态-动作-观测轨迹，要求评估从静态基准测试转向沙盒化、可审计且自我演进的环境。
02
APPO：智能体程序化策略优化
研究人员介绍了智能体程序化策略优化（APPO），这是一种旨在提高大语言模型智能体多轮工具使用能力的强化学习框架。传统的智能体强化学习在粗粒度启发式单元上分配信用，而APPO则针对细粒度的决策点。它结合令牌不确定性与策略产生的延续似然增益使用“分支分数”来选择分支位置，同时引入程序级优势缩放来分配信用。在13个基准测试中，APPO将强大的智能体强化学习基线模型一致提升了近4分，并保持了高效的工具调用和行为可解释性。
03
Orchestra-o1：全模态智能体编排
研究人员提出了Orchestra-o1，这是一个为跨文本、图像、音频和视频模态协作的智能体集群设计的全模态智能体编排框架。Orchestra-o1实现了模态感知的任务分解、在线子智能体专业化和子任务并行执行。为了优化该系统，作者引入了决策对齐群组相对策略优化（DA-GRPO），这是一种用于训练Orchestra-o1-8B的高效强化学习方法。该框架在OmniGAIA基准测试中比第二好的方法准确率高出10.3%，并在现有开源全模态智能体中达到了最先进的水平。
04
Pythagoras-Prover：通过增强Lean形式化推进高效形式化证明
研究人员推出了Pythagoras-Prover，这是一个计算高效的开源Lean定理证明器家族，包含4B和32B自回归模型以及一个基于扩散的证明器原型。为了训练这些模型，团队构建了一个为课程训练分层的验证Lean语料库，并开发了增强Lean形式化（ALF），通过语句变异和自我蒸馏来扩展训练数据。在MiniF2F-Test上，Pythagoras-Prover-4B在pass@32指标上超越了DeepSeek-Prover-V2-671B（86.1%对82.4%），且参数量减少了约167倍。32B模型在MiniF2F-Test上以93.0%的准确率创下了开源领域的新纪录，并解决了93个PutnamBench问题。
05
小模型是GRPO中策略级多样性的天然探索者
研究人员提出了从小到大策略优化（S2L-PO），这是一个旨在增强语言模型群组相对策略优化（GRPO）中回放多样性的训练框架。认识到同一家族中的较小模型本质上表现出更高的时间相关策略级多样性，该框架利用固定的较小模型为训练较大模型生成探索性回放。通过渐进式退火策略将采样从较小模型过渡到较大模型，以防止性能下降。S2L-PO利用1.7B探索模型引导8B模型，使AIME 24上的数学推理准确率提高了8.8%。
06
Avatar V：扩展视频参考化身视频生成
研究人员推出了Avatar V，这是一个基于视频参考条件生成的生产级化身视频生成框架。Avatar V超越了静态图像输入，利用参考视频的完整令牌序列来保留视觉身份和说话风格、表情等行为模式。该架构整合了稀疏参考注意力机制，实现了对长参考视频的线性复杂度条件约束，同时包含说话风格迁移和身份感知细化器。通过使用流匹配和人类反馈强化学习在超过1亿个视频片段上进行训练，Avatar V在身份保持方面持续优于包括Seedance 2.0和Kling O3 Pro在内的领先系统。
07
HarnessX：一个可组合、自适应且可演进的智能体脚手架工厂
研究人员推出了HarnessX，这是一个旨在组合、适配和演进AI智能体运行时接口的工厂。HarnessX使用替换代数组装类型化的脚手架基元，并通过AEGIS（一种追踪驱动的多智能体演化引擎）进行适配。该系统通过将执行轨迹转化为脚手架更新和模型训练信号，闭合了脚手架-模型循环。在五个智能体基准测试中，HarnessX平均提升了14.5%的性能（最高达44.0%），证明了系统地适配执行接口是提高智能体性能的关键杠杆。
08
AdaSR：基于层级相对策略优化的自适应流推理
研究人员提出了AdaSR，这是一个为音频和视频流等动态连续输入设计的自适应流推理框架。与静态的“先读取再思考”架构不同，AdaSR使模型能够在输入流式传输过程中进行渐进式推理，并在流结束时进行最终深思。为了优化这种多阶段执行，作者开发了层级相对策略优化（HRPO），将策略优化分为流式处理和深层推理阶段。通过结合格式、准确性和自适应思维奖励，HRPO帮助模型学习何时进行推理以及分配多少计算量，展现出相比监督基线更优的延迟-效率权衡。